Chapitre 3

Dualité
3.1 Théorème de Hahn-Banach
3.1.1 Théorème de Hahn-Banach
Le but de cette section est d'énoncer et de démontrer partiellement le théorème
de Hahn-Banach.

Théorème 41 (Hahn-Banach). Soit E un espace vectoriel et p : E → R une

fonction sous-linéaire (1-homogène et sous-additive). On se donne un sous-espace
vectoriel F de E et φ : F → R une forme linéaire dominée par p, c'est-à-dire
que φ ≤ p|F .
Alors, il existe une extension de φ à E qui reste dominée par p, c'est-à-dire
une forme linéaire ψ : E → R telle que
∀x ∈ F, ψ(x) = φ(x)
∀x ∈ E, ψ(x) ≤ p(x).

Remarques 1.  L'extension dénie par cet énoncé n'est en général pas unique.
 Nous ne démontrerons que le cas où F ⊆ E est de codimension nie. La
démonstration du cas général n'est pas constructive et repose sur l'axiome du
choix.

Démonstration. Par une simple récurrence, il sut de savoir traiter le cas où F est
de codimension 1. Supposons donc que E = F + Ry , où y 6∈ F . Par dénition, tout
vecteur x de E être décomposé de manière unique comme une somme x = z + ty où
z est dans F et t dans R. On dénit

ψ(z + ty) = φ(z) + tλ,

où λ := ψ(y) est à déterminer de sorte à respecter la contrainte ψ ≤ p. Ainsi, on

voudrait

∀t ∈ R, ψ(z + ty) = φ(z) + tλ ≤ p(z + ty)

27
CHAPITRE 3. DUALITÉ 28

Autrement dit, on est ramené à montrer l'existence de λ ∈ R tel que

∀t ∈ R, ∀z ∈ F, tλ ≤ p(z + ty) − φ(z)

Pour formuler le cas t > 0, on pose w = z/t puis on utilise l'homogénéité de p et φ :

∀t > 0, ∀z ∈ F, tλ ≤ p(z + ty) − φ(z)

⇐⇒ ∀t > 0, ∀w ∈ F, tλ ≤ p(tw + ty) − φ(tw)
⇐= ∀w ∈ F, λ ≤ p(w + y) − φ(w)

Pour le cas t < 0, on pose s = −t > 0 et w0 = z/s :

∀t < 0, ∀z ∈ F, tλ ≤ p(z + ty) − φ(z)

⇐⇒ ∀s > 0, ∀w ∈ F, −sλ ≤ p(sw0 − sy) − φ(sw0 )
0

⇐⇒ ∀s > 0, ∀w0 ∈ F, sλ ≥ −p(sw0 − sy) + φ(sw0 )

⇐= ∀w0 ∈ F, λ ≥ φ(w0 ) − p(w0 − y)

Ainsi, pour que l'extension de φ soit majorée par p, il sut que λ vérie les inégalités

∀w, w0 ∈ F, φ(w0 ) − p(w0 − y) ≤ λ ≤ p(w + y) − φ(w),

Pour montrer qu'un tel λ existe, il sut de démontrer que

max φ(w0 ) − p(w0 − y) ≤ min p(w + y) − φ(w)

w0 ∈F w∈F
0
⇐⇒ ∀(w, w ) ∈ F, φ(w ) − p(w0 − y) ≤ p(w + y) − φ(w)
0

Nous utilisons nalement l'hypothèse φ ≤ p pour démontrer cette dernière inégalité :

φ(w) + φ(w0 ) = φ(w + w0 ) ≤ p(w + y − y + w0 ) ≤ p(w + y) + p(w0 − y)

Corollaire 42. Soit E un espace vectoriel normé, soit F un sous-espace et soit

φ ∈ F ∗ une forme linéaire continue. Alors, il existe ψ ∈ E ∗ telle kψkE ∗ ≤ kφkF ∗ .

Démonstration. On pose M = kφkF ∗ . Alors φ(x) ≤ M kxk pour tout x ∈ F . En

appliquant Hahn-Banach avec la fonction p(x) = M kxk, qui est 1-homogène et sous-
additive, on construit ψ : E → R vériant ψ(x) ≤ M kxk, i.e. kψkE ∗ = M .

Corollaire 43. Soit E un espace vectoriel normé, il existe φ ∈ E ∗ de norme 1 telle

que φ(x) = kxk.
Démonstration. Posons pour φ(tx) = tkxk pour tout t ∈ R. Alors φ est une forme
linéaire continue sur Rx de norme 1 et vériant φ(x) = kxk. D'après le corollaire
précédent φ se prolonge en une forme linéaire continue sur de norme 1 sur E .

Corollaire 44. Soit E un espace vectoriel normé et x 6= y ∈ E . Alors, il existe

φ ∈ E ∗ de norme 1 vériant φ(x) 6= φ(y).
CHAPITRE 3. DUALITÉ 29

3.1.2 Séparation des convexes

Sous sa forme géométrique le théorème de Hahn-Banach arme que deux en-
sembles convexes disjoints peuvent être séparés par un hyperplan ane. Comme
première étape, on se propose de séparer un convexe ouvert et un point.

Proposition 45. Soit E un espace vectoriel normé, C un ouvert convexe de E et

z 6∈ C . Alors, il existe φ ∈ E ∗ telle que

∀x ∈ C, φ(x) < φ(z).

Pour montrer cette forme géométrique, nous utiliserons quelques propriétés de la

jauge j : E → R d'un convexe C , dénie par j(x) = inf{t > 0 | x ∈ tC}, dont la
démonstration est laissée en exercice. On rappelle j est 1-homogène et sous-additive.
Si de plus C est ouvert et contient l'origine, alors
(i) ∃M ≥ 0, j(z) ≤ M kzk ;
(ii) C = {j < 1}.

Preuve de la proposition 45. Quitte à tout translater, suppose que le convexe C

contient l'origine. Soit j la jauge de C , qui par le lemme précédent est 1-homogène
et sous-additive. Pour t ∈ R on pose φ(tz) = t sur l'espace F = Rz . Montrons que
φ ≤ j sur F . Comme z 6∈ C , on a j(z) > 1. Par conséquent, φ(tz) = t < tj(z) pour
tout t ≥ 0. Pour t < 0 on a bien sûr φ(−tz) < 0 ≤ j(−tz). Ainsi, on peut donc
appliquer le théorème de Hahn-Banach et prolonger φ en une forme linéaire ψ sur
E vériant l'inégalité ψ ≤ j . En particulier, pour x ∈ C , ψ(w) ≤ j(w) < 1 = ψ(z).
Enn, φ est continue car

|φ(x)| = max(φ(x), φ(−x)) ≤ max(j(x), j(−x)) ≤ M kxk

par le lemme précédent.

Théorème 46. Soit E un espace vectoriel normé et soient A, B deux ensembles

convexes disjoints.
(i) Si A est ouvert il existe φ ∈ E ∗ telle que
∀x ∈ A, ∀y ∈ B, φ(x) < φ(y)

(ii) Si A est compact et B fermé, il existe φ ∈ E ∗ et  > 0 tels que

∀x ∈ A, ∀y ∈ B, φ(x) +  < φ(y)

Remarque 13. L'hypothèse que B est compact est importante pour l'existence d'une
séparation stricte. Par exemple les ensembles convexes fermés suivants ne peuvent
pas êtres séparés strictement :

A = {(x, y) ∈ R2 | x > 0, y ≥ 1/x} B = {(x, y) ∈ R2 | x > 0, y ≤ −1/x}.

CHAPITRE 3. DUALITÉ 30

Démonstration. On commence par (i). Il s'agit de démontrer que

∀x, y ∈ A × B, φ(x − y) < 0 ⇐⇒ ∀w ∈ C0 , φ(w) < 0, (3.1)

où C = A ⊕ (−B). La somme de Minkowski d'un ensemble avec un ouvert est

ouverte. De plus, l'hypothèse que A et B soient disjoint implique que C ne contient
pas l'origine. Il sut donc d'appliquer la proposition précédente.
(ii) Soit Aη = A ⊕ B(0, η). Notons d'abord qu'il existe η > 0 tel que Aη ∩ B = ∅.
Si ça n'était pas le cas il existerait deux suites xn dans A et yn dans B tels que
kxn − yn k ≤ 1/n. Par compacité, on pourrait extraire une sous-suite convergente de
xn ∈ A, dont la limite serait un point de A ∩ B .
Par construction, l'ensemble convexe ouvert A0 = A ⊕ int(B(0, η)) est ouvert
et n'intersecte pas B . On peut alors appliquer le résultat précédent à A0 et B , et
construire φ ∈ E ∗ telle que

∀z ∈ A0 , ∀y ∈ B, φ(z) < φ(y).

i.e. ∀x ∈ A, ∀u ∈ B(0, η/2), ∀y ∈ B, φ(x + u) = φ(x) + φ(u) < φ(y).

Il sut alors de poser ε = supu∈B(0,η) φ(u) = η kφkE ∗ > 0 pour obtenir le résultat.

Corollaire 47. Soit C un convexe fermé d'intérieur non vide et x un point du bord
de C . Alors C admet un hyperplan d'appui en x : ∃φ ∈ E ∗ \ {0} telle que
∀y ∈ C, φ(y) ≤ φ(x)

Démonstration. Il sut d'appliquer le théorème précédent à A = intC et B = {x}.

3.1.3 Enveloppe convexe fermée d'un ensemble

Dénition 14. Soit A une partie fermée d'un espace vectoriel normé E . L'enve-
loppe convexe fermée de A, notée convA, est l'intersection de tout les convexes
fermés contenant A.

Remarque 14. L'enveloppe convexe fermée de A est égale à l'adhérence de l'enveloppe

convexe de A (car l'adhérence de conv(A) est convexe et fermée).

Dénition 15. On appelle demi-espace fermé de E les ensembles de la forme H =

{x ∈ E | φ(x) ≤ α} où φ est une forme linéaire continue non nulle et α ∈ R.

Proposition 48. Soit A ⊆ E où E est un espace vectoriel normé. L'enveloppe

convexe fermée de A coïncide avec l'intersection des demi-espaces fermés conte-
nant A.
CHAPITRE 3. DUALITÉ 31

Démonstration. On pose C := convA et D l'intersection de tous les demi-espaces

fermés contenant A. L'ensemble D est un convexe fermé contenant A, de sorte que
C ⊆ D. Pour montrer la réciproque, considérons un point x n'appartenant pas à
C . Par la version géométrique du théorème de Hahn-Banach (Théorème 46.(ii)), il
existe φ : E → R et ε > 0 vériant

sup φ(z) + ε ≤ φ(x).

z∈C

Ainsi, le demi-espace fermé H = {z ∈ E | φ(z) ≤ φ(x) − ε} contient A et pas x, de

sorte que D (qui est contenu dans H ) ne contient pas x.

Exemple 8. Soit A = {(x, y) ∈ R2 | y ≥ 1/(1 + x2 )}. Alors, convA = {(x, y) ∈ R2 |

y ≥ 0}.
Notation 1. Étant donnée une forme linéaire continue φ sur un espace vectoriel normé
E et x un point de E , on notera hφ|xi := φ(x).

Dénition 16. Soit A un sous-ensemble d'un espace vectoriel normé E . On appelle

fonction support de A la fonction hA : E ∗ → R dénie par
hA : φ ∈ E ∗ 7→ suphφ|xi (3.2)
x∈A

Théorème 49. Soit E un espace vectoriel normé.

(i) Si C, D sont deux convexes fermés de E , alors C ⊆ D si et seulement si
hC ≤ hD .
(ii) En particulier, l'application h : C → hC est injective sur les convexes fermés.
Démonstration. L'implication directe est évidente : si C ⊆ D,
hC (φ) = suphφ|xi ≤ sup hφ|xi = hD (φ).
x∈C x∈D

Pour démontrer la réciproque, supposons que C 6⊆ D. Il existe alors un point x ∈ C

qui n'appartient pas à D. Alors, il existe une forme linéaire continue φ séparant
strictement le singleton {x} et D, c'est-à-dire que hD (φ) = supy∈D φ(y) + ε < φ(x).
En particulier, hD (φ) < φ(x) ≤ hC (φ). Ceci contredit l'inégalité hC ≤ hD .

3.1.4 Enveloppe convexe semi-continue inférieure d'une fonction

Dénition 17. Une fonction f : E → R est semi-continue inférieurement ssi
∀x ∈ E, ∀xn → x, lim inf f (xn ) ≥ f (x) (3.3)
n→+∞

Proposition 50. Soit f : E → R. Les propriétés suivantes sont équivalentes :

(i) f est semi-continue inférieurement ;
(ii) ∀α ∈ R, le sous-niveau {f ≤ α} est fermé ;
CHAPITRE 3. DUALITÉ 32

(iii) epi(f ) est fermé dans R × E ;

Remarque 15. Cette caractérisation explique que certains auteurs utilisent le terme
fermée à la place de semi-continue inférieurement.
Exemple 9. Soit C un convexe de E . La fonction indicatrice convexe iC de C est
semi-continue inférieurement si et seulement si C est fermé.

Démonstration. On ne montre que (iii) =⇒ (i), le reste est laissé en exercice. Soit f
une fonction vériant (iii), x ∈ E et (xn ) une suite de points de E qui converge vers
x. Il existe alors une sous-suite xnk telle que limk→+∞ f (xnk ) = lim inf n→+∞ f (xn ).
Comme les points (xnk , f (xnk )) sont dans epi(f ) et que cet ensemble est fermé, on
en déduit que (x, limk→+∞ f (xnk )) ∈ epi(f ), c'est-à-dire

lim f (xnk ) = lim inf f (xn ) ≥ f (x).

k→+∞ n→+∞

Proposition 51. Soit E un espace vectoriel normé.

(i) Si f, g : E → R sont sci et s, t ≥ 0, alors sf + tg est sci.
(ii) Le suprémum d'une famille quelconque de fonctions sci est une fonction sci.

Dénition 18. Soit E un espace vectoriel normé et f : E → R une fonction.

 On appelle enveloppe convexe sci de f , et on note convf le supremum des
minorantes convexes et semi-continue inférieurement de f :

convf (x) = sup{g(x); g : E → R convexe et sci tq g ≤ f }

 On appelle minorante ane continue de f toute fonction ane continue

φ + α, avec φ ∈ E ∗ et α ∈ R telle f ≥ φ + α.

Théorème 52. Toute fonction convexe f : E → R semicontinue inférieurement est

égale au supremum de ses minorantes anes continues, c'est-à-dire
f (x) = sup {φ(x) + α | φ ∈ E ∗ , α ∈ R, f ≥ φ + α}.

Démonstration. Si domf = ∅, f est constante et égale à +∞ et il n'y a rien à

montrer. Supposons donc domf 6= ∅, ou de manière équivalente que C = epi(f ) est
un convexe fermé non vide de E × R. Posons

g(x) = sup{φ(x) + α | φ ∈ E ∗ , α ∈ R, ∀y ∈ E, f (y) ≥ φ(y) + α}.

Par dénition, g ≤ f , il reste donc à montrer l'inégalité inverse, c'est-à-dire que

pour tout x0 dans E et tout t0 < f (x0 ), g(x0 ) ≥ t0 . Si t0 < f (x0 ), le point (x0 , t0 )
n'appartient pas au convexe fermé C := epi(f ). Il existe donc une forme linéaire
continue sur E × R séparant strictement C de (x0 , t0 ), c'est-à-dire (φ, v) ∈ E ∗ × R
et ε > 0 tel que

∀(x, t) ∈ epi(f ), φ(x) + tv ≥ φ(x0 ) + t0 v + ε

CHAPITRE 3. DUALITÉ 33

En particulier, on a

∀x ∈ E, vf (x) ≥ φ(x0 − x) + t0 v + ε.

En prenant x = x0 , on a v(f (x0 ) − t0 ) ≥ ε > 0. Comme f (x0 ) > t0 , ceci implique

v > 0. Ainsi,
1
∀x ∈ E, f (x) ≥ φ(x0 − x) + t0
v
La fonction g étant le supremum des minorantes anes continues de f , elle est
supérieure au second membre de l'inégalité précédente, c'est-à-dire.
1
g(x) ≥ φ(x0 − x) + t0 ,
v
En particulier, ceci montre que g(x0 ) ≥ t0 .

Corollaire 53. L'enveloppe convexe sci d'une fonction f :E →R est donnée

par la formule
convf (x) = sup{φ(x) + α; φ ∈ E ∗ , α ∈ R, ∀y ∈ E, f ≥ φ + α}.

Exemple 10. Une fonction f est convexe et semi-continue inférieurement si et seule-

ment si elle coïncide avec supremum de ses minorantes anes.
Exemple 11. Une fonction sous-linéaire semi-continue inférieurement f : E → R est
égale au supremum de ses minorantes linéaires.

Démonstration de l'exemple. La fonction f est en particulier convexe et semi-continue

inférieurement et elle est donc égale au supremum de ses minorantes anes. Soit
φ + α, φ ∈ E ∗ et α ∈ R une minorante ane de f , i.e.

∀x ∈ E, φ(x) + α ≤ h(x).

Alors, par homogénéité,

∀x ∈ E, ∀t > 0, tφ(x) + α ≤ tf (x).

En divisant par t et en faisant tendre t vers +∞, ceci montre que φ ≤ f .

3.1.5 Topologie faible et optimisation

Dénition 19 (Convergence faible). (i) Soit E un espace vectoriel normé. Une
suite (xn ) converge faiblement vers un point x ∈ E si et seulement

∀φ ∈ E ∗ , lim hφ|xn i = hφ|xi.

n→∞

f
On écrira xn −
→ x si xn converge faiblement vers x.
CHAPITRE 3. DUALITÉ 34

(ii) Un ensemble C ⊆ E est dit faiblement fermé toute limite faible de points de
C est inclue dans C .
(iii) Une fonction f : E → R est faiblement semi-continue inférieurement si et
seulement si
f
∀x ∈ E, ∀xn −
→ x, lim inf f (xn ) ≥ f (x).
n→∞

Remarque 16. Un ensemble faiblement fermé est fortement fermé, mais la réciproque
est fausse en général.

Proposition 54. Soit C un ensemble convexe fermé (fortement) de E . Alors C

est aussi faiblement fermé.

Démonstration. Supposons que xn ∈ C −

f
→ x et que x 6∈ C . Par théorème de Hahn-
Banach, on peut séparer le convexe fermé C et du point x fortement : il existe φ ∈ E ∗
et ε > 0 tels que
∀z ∈ C, hφ|zi + ε ≤ hφ|xi.
Alors, en particulier, lim suphφ|xn i < hφ|xi, ce qui contredit la convergence faible de
xn vers x.

Exemple 12 (Lemma de Mazur). Soit E un espace vectoriel normé, (xn ) ∈ E N une

suite convergent faiblement vers un point x ∈ E . Alors, il existe une suite yk ∈
conv({xi | i ∈ N}) convergeant fortement vers x.

Démonstration. Soit A = conv({xi | i ∈ N}) et C = Ā. L'ensemble convexe C est

fermé fortement, et donc également fermé faiblement. Comme x est la limite faible
des xn , x appartient à C , de sorte qu'il existe une suite yk ∈ A qui converge vers
x.

Corollaire 55. Soit f : E → R une fonction convexe (fortement) semi-continue

inférieurement. Alors, f est faiblement semi-continue inférieurement.
Démonstration. Comme f est convexe et semi-continue inférieurement, tout ses sous-
niveau {f ≤ α} sont convexes et fortement fermés. Par la proposition précédente,
les sous-niveaux de f sont aussi faiblement fermés, et f est dons faiblement semi-
continue inférieurement.

Exemple 13. En particulier, toute fonction convexe fortement continue (comme la

norme de l'espace) est faiblement sci.
Exemple 14. Soit H un espace de Hilbert et f : H → R une fonction convexe
fortement semi-continue inférieurement et coercive, c'est-à-dire que

lim = +∞.
kxk→+∞

Alors f admet un minimiseur global sur H .

CHAPITRE 3. DUALITÉ 35

Démonstration. Soit R > R0 := inf H f . Soit (xn ) ∈ H une suite minimisante, c'est-à-
dire telle que limn→∞ f (xn ) = R0 . Quitte à extraire une sous-suite, on peut supposer
que (xn ) appartient à l'ensemble C := {f ≤ R}, qui par coercivité de f est borné.
Dans un espace de Hilbert, toute suite bornée admet une sous-suite convergeant
f
faiblement, et on suppose donc xn − → x ∈ E . De plus, comme f est fortement sci et
convexe elle est faiblement sci, de sorte que R0 = lim inf n→∞ f (xn ) ≥ f (x). Ainsi,
la fonction f admet un minimiseur global sur E .

Exemple 15. Soit C un convexe fermé d'un espace de Hilbert H , et x ∈ H . La

fonction f : y ∈ H 7→ kx − yk est évidemment coercive, et la fonction F : y ∈ H 7→
kx − yk + iC (x) est donc aussi. La fonction F est convexe et sci fortement et elle est
donc sci faiblement. Par la propriété précédente, F admet un minimiseur global sur
H : ceci implique
inf F (y) = inf kx − yk = min kx − yk ,
y∈H y∈C y∈C

c'est-à-dire l'existence d'une projection sur C .

3.2 Conjuguée de Legendre-Fenchel

3.2.1 Conjuguée de Legendre-Fenchel

Dénition 20. Soit E un espace vectoriel normé et f : E → R une fonction

propre (dom(f ) =
6 ∅). On dénit sa conjuguée de Legendre-Fenchel par f ∗ :
E ∗ → R par
f ∗ (φ) = suphφ|xi − f (x).
x∈E

L'application L : f 7→ est appelée transformation de Legendre-Fenchel de f .

f∗
On notera parfois Lf pour la conjuguée de f .

Remarque 17. Comme f est propre, il existe x0 ∈ dom(f ). Ainsi,

∀φ ∈ E ∗ , f ∗ (φ) ≥ hφ|x0 i − f (x0 ),

et f ∗ est minorée par une fonction ane sur E ∗ . En particulier, f ∗ > −∞.
Exemple 16. Commençons par quelques exemples de calculs de conjuguées.
(i) Soit A un ensemble non-vide de E , et iA sa fonction indicatrice (iA = 0 sur A
et +∞ hors de A). Alors,

∀φ ∈ E ∗ , i∗A (φ) = suphφ|xi − iA (x) = suphφ|xi = hA

x∈E x∈A

On peut donc voir la conjuguée de Legendre-Fenchel comme une généralisation

de l'application qui à un convexe associe sa fonction support.
CHAPITRE 3. DUALITÉ 36

(ii) Soit f = k.k la norme de l'espace E . Alors,

∀φ ∈ E ∗ , f ∗ (φ) = suphφ|xi − kxk
x∈E

Si kφk∗ > 1, il existe un point x dans E tel que hφ|xi − kxk > 0. En multipliant
x par λ, on voit que f ∗ (φ) vaut +∞. Au contraire, si kφk∗ ≤ 1, hφ|xi − kxk ≤ 0
avec égalité lorsque x = 0. Ainsi, f ∗ (φ) = 0. Conclusion : f ∗ est la fonction
indicatrice convexe de la boule unité pour la norme duale, i.e. f ∗ = iB où
B = {φ ∈ E ∗ | kφk∗ ≤ 1}.
(iii) Soit f = φ0 une forme linéaire sur E . Alors,
f ∗ (φ) = suphφ|xi − φ0 (x)
x∈E

Si deux formes linéaires sont diérentes, alors supx∈E (φ − φ0 )(x) = +∞. Ainsi,
f ∗ (φ) = +∞ si φ 6= φ0 . Au contraire, f ∗ (φ0 ) = 0. Conclusion, f ∗ = i{φ0 } .
(iv) Soit f (x) = p1 |x|p sur R. On identie R∗ avec lui même. Pour y ≥ 0, on a
1 p 1
f ∗ (y) = sup xy − |x| = sup xy − xp
x∈R p x≥0 p
On peut calculer le supremum de la fonction x ∈ R+ 7→ xy − p1 xp , qui est
concave, en annulant sa dérivée :
∂ 1
(xy − xp ) = y − xp−1 = 0 =⇒ x = y 1/(p−1)
∂x p
Ainsi, avec q = p/(p − 1), on a (le cas y ≤ 0 se traitant de manière analogue)
1
∀y ∈ R, f ∗ (y) = sup xy − |x|p
x∈R p
1
= y 1+1/(p−1) − y p/(p−1) = (1 − 1/p)y p/(p−1) = 1/q |y|q
p

Proposition 56. La conjuguée de Legendre-Fenchel d'une fonction f : E → R

propre vérie :
(i) Inégalité de Fenchel-Young : ∀x ∈ E, ∀φ ∈ E ∗ , f (x) + f ∗ (φ) ≥ hφ|xi.
(ii) f ∗ (0) = sup −f = − inf f.
(iii) f ∗ est propre si et seulement si f est minorée par une fonction ane
continue.
Exemple 17. Inégalité de Hölder : avec f (x) = p1 |x|p pour x ∈ R, on a :
1 p 1 q
xy ≤ f (x) + f ∗ (y) = |x| + |x|
p q
En sommant, on obtient que pour x, y ∈ Rn , si kxkp = kykq = 1,
n
X 1 1
hx|yi = x i yi ≤ kxkp + kykq == kxkp kykq .
p q
i=1
Par homogénéité, cette inégalité reste vraie pour tout x, y ∈ Rn .
CHAPITRE 3. DUALITÉ 37

Hypothèse Conclusion Remarque

f (x) ≤ g(x) f ∗ (φ) ≥ g ∗ (φ)
g(x) = iC (x) g ∗ (φ) = h
(C (φ)
0 si kφk∗ ≤ 1
g(x) = kxkE g ∗ (φ) =
+ ∞ sinon
g(x) = kxk2H g (φ) = kφk2H
∗ H = Hilbert
g(x) = φ0 (x), φ0 ∈ E g ∗ (φ) = i{φ0 } (φ)
g(x) = f (λx), λ 6= 0 g ∗ (φ) = f ∗ (φ/λ)
g(x) = λf (x), λ > 0 g ∗ (φ) = λf ∗ (φ/λ)
g(x) = f (x + b), b ∈ E g ∗ (φ) = f ∗ (φ) − hφ|bi
h(x) = f g(x) h∗ (φ) = f ∗ (φ) + g ∗ (φ) cf Prop. 61

Table 3.1  Quelques règles pour calculer la conjuguée de Legendre d'une fonction.

Proposition 57. Soit f : E → R une fonction propre sur un espace vectoriel

normé E . Alors, la conjuguée de f est convexe et semi-continue inférieurement
sur E ∗ pour la topologie induite par la norme duale.
Démonstration. Il sut de remarquer que, x ∈ E étant xé, l'application φ ∈ E ∗ 7→
hφ|xi est linéaire et continue sur E ∗ . Ainsi, f ∗ s'écrit comme un supremum de fonc-
tions anes continues sur E ∗ , et est donc convexe et sci.

Proposition 58. Soit f : E → R convexe, semi-continue inférieurement et

propre. Alors, f ∗ est convexe, semi-continue inférieurement et propre.
Démonstration. Comme f est convexe semi-continue inférieurement et propre, elle
est égale au suprémum de ses minorantes anes continues. En particulier, il existe
une forme linéaire φ0 ∈ E ∗ et α ∈ R telle que f ≥ φ0 + α. Ainsi,

f ∗ (φ0 ) = suphφ0 |xi − f (x) ≤ α,

x∈E

et f ∗ est donc bien propre.

3.2.2 Bi-conjuguée de Legendre-Fenchel

Dénition 21 (Biconjuguée). Soit E un espace vectoriel normé et g : E ∗ → R.

CHAPITRE 3. DUALITÉ 38

On notera L∗ g la conjuguée de Legendre inverse de g , dénie par

L∗ g :E → R
x 7→ sup hx|φi − g(φ).
φ∈E ∗

La bi-conjuguée de Legendre-Fenchel d'une fonction f : E → R est la fonction

f ∗∗ = L∗ Lf , qui est donc dénie par

f ∗∗ (x) = sup hφ|xi − f ∗ (φ).

φ∈E ∗

Lemme 59. Pour toute fonction f :E→R on a f ∗∗ ≤ f .

Démonstration. Par inégalité de Young, pour tout x ∈ E et φ ∈ E ∗ on a
f (x) + f ∗ (φ) ≥ hφ|xi.

En appliquant cette inégalité à la dénition de f ∗∗ on obtient bien

f ∗∗ (x) = sup hφ|xi − f ∗ (φ) ≤ f (x).

φ∈E ∗

Théorème 60 (Fenchel-Moreau). Soit f : E → R une fonction propre. Alors,

f ∗∗ = convf .
En particulier f = f ∗∗ si et seulement si f est convexe sci.
Remarque 18. Ce théorème implique en particulier que l'application qui à une fonc-
tion convexe propre et sci associe sa conjuguée de Legendre-Fenchel est injective.

Démonstration. On sait déjà que f ∗∗ ≤ f et que f ∗∗ et sci, on a f ∗∗ ≤ conv(f ).

Pour montrer l'autre inégalité, on utilise le fait que convf est égale au supremum
des minorantes anes continues de f . l sut donc de montrer que f ∗∗ est plus grande
que toute minorante ane continue de f . On suppose donc f ≥ φ0 + α où φ0 ∈ E ∗
et α ∈ R de sorte que

f ∗ (φ0 ) = suphφ0 |xi − f (x) ≤ suphφ0 |xi − (φ0 (x) + α) = −α.

x∈E x∈E

Ainsi,

∀x ∈ E, f ∗∗ (x) = sup hφ|xi − f ∗ (φ) ≥ hφ0 |xi − f ∗ (φ0 ) = hφ0 |xi + α.

φ∈E ∗

3.2.3 Transformée de Legendre-Frenchel et inf-convolution

Dénition 22. Soient f, g : E → R deux fonctions propres dénies sur un

espace vectoriel E . L'inf-convolée de f et g est la fonction f g : E → R ∪ {±∞}
CHAPITRE 3. DUALITÉ 39

dénie par

f g(x) = inf f (u) + g(v) = inf f (y) + g(x − y).

u+v=x y∈E
u,v∈E

Proposition 61. Soient f, g : E → R deux fonctions admettant une même mino-

rante ane. Alors, f g : E → R est convexe, propre et (f g)∗ = f ∗ + g∗
Démonstration. Il sut de choisir une forme linéaire φ ∈ E ∗ , et de calculer :
(f g)∗ (φ) = suphφ|xi − inf f (x1 ) + g(x2 )
x∈E x1 +x2 =x

= sup hφ|x1 + x2 i − (f (x1 ) + g(x2 ))

x1 ,x2 ∈E

= sup hφ|x1 i − f (x1 ) + sup hφ|x2 i − g(x2 )

x1 ∈E x2 ∈E
= f ∗ (φ) + g ∗ (φ).
Exemple 18. Soit C un convexe fermé d'un espace vectoriel normé E , et
dC (x) := inf kx − yk = inf kx − yk + iC (y) = (k.k iC )(x).
y∈C y∈E

Alors, d∗C = i∗C + k.k∗ = hC + iB ∗ où B ∗ = {φ ∈ E ∗ | kφk∗ ≤ 1}.

3.3 Sous-diérentiel

Dénition 23. Soit f : E → R une fonction sur un espace vectoriel normé

et soit x0 un point de son domaine. Une forme linéaire φ ∈ E ∗ est appelée
sous-gradient de f en x0 ∈ dom(f ) si
∀y ∈ E, f (y) ≥ f (x0 ) + hφ|y − x0 i.

L'ensemble des sous-gradients de f en x0 est appelé sous-diérentiel de f en x0

et noté ∂f (x0 ). Pour un point x0 n'appartenant pas au domaine de f , on pose
∂f (x0 ) := ∅.

Exemple 19. (i) Le sous-diérentiel de f en x0 est toujours un convexe fermé.

(ii) Soit f (x) = |v| = max(x, −x). En identiant R∗ avec R, on a
si x < 0

 −1

∂f (x) = 1 si x > 0
[−1, 1] si x = 0



(iii) Soit E un espace vectoriel normé et f (x) = kxk. Alors,

φ ∈ ∂f (0) ⇐⇒ ∀x ∈ E, hφ|xi ≤ kxk ⇐⇒ kφk∗ ≤ 1
Ainsi, ∂φ(0) est la boule unité dans l'espace dual.
CHAPITRE 3. DUALITÉ 40

√
(iv) Soit f (x) = − x sur [0, +∞[. Alors, ∂f (0) = ∅ bien que 0 appartienne au
domaine de f .

Lemme 62. Une fonction f :E →R atteint son minimum global en x0 si et

seulement si 0 ∈ ∂f (x0 ).
Démonstration. On raisonne par équivalences :
x0 = arg min f (x) ⇐⇒ ∀x ∈ E, f (x0 ) + h0|x0 − xi ≤ f (x)
x∈E
⇐⇒ 0 ∈ ∂f (x0 )

Proposition 63. Soit f : E → R une fonction convexe et x0 ∈ dom(f ). Le sous-

diérentiel peut être exprimé en fonction de la dérivée directionnelle :
∂f (x0 ) = {φ ∈ E ∗ | f + (x0 ; ·) ≥ φ}. (3.4)

Démonstration. Soit A le second membre de l'égalité. Si φ ∈ A, on a pour tout v

dans E ,

f (x0 + tv) − f (x0 )

φ(v) ≤ f + (x0 ; v) = inf ≤ f (x0 + v) − f (x0 )
t>0 t
Ainsi, en posant y = x0 + v , on a hφ|yi ≤ f (y) − f (x0 ) et donc φ ∈ ∂f (x0 ). Récipro-
quement, supposons que φ ∈ ∂f (x0 ). Alors, pour v ∈ E , t > 0 et y = x0 + tv ,

hφ|y − x0 i ≤ f (x0 + tv) − f (x0 ),

En divisant par t et en utilisant y − x0 = tv , on a

f (x0 + tv) − f (x0 )

hφ|vi = φ(v) ≤
t
ceci étant vrai pour tout t > 0, on a bien φ(v) ≤ f + (x0 ; v) et donc φ ∈ A.

Théorème 64. Soit f : E → R une fonction convexe propre semi-continue inférieu-

rement et x0 ∈ dom(f ). Si f est continue en x0 , alors
(i) ∂f (x0 ) est non vide
(ii) ∂f (x0 ) est un convexe fermé borné de E ∗ .
(iii) La dérivée directionnelle de f peut être exprimée en fonction du sous-diérentiel :
f + (x0 ; v) = sup{hφ|vi | φ ∈ ∂f (x0 )}.

(iv) La fonction f est Gâteaux-diérentiable en x0 si et seulement si ∂f (x0 ) est un

singleton. Si ∂f (x0 ) = {φ}, alors f + (x0 ; ·) = φ.
CHAPITRE 3. DUALITÉ 41

Démonstration. (i) La fonction g = f + (x0 ; ·) est convexe et continue. Elle admet

donc une minorante ane continue φ + α où φ0 ∈ E ∗ et α ∈ R. Alors,

∀x ∈ E, φ0 (x) + α ≤ g(x)

en posant y = tx, on a par sous-linéarité de g ,

∀y ∈ E, ∀t > 0t(φ0 (y) + α/t) ≤ tg(y)

en faisant tendre t vers +∞ on obtient donc g ≥ φ0 . Par la proposition précédente

on en déduit que φ0 appartient au sous-diérentiel ∂f (x0 ) qui est donc non vide.
(ii) Comme f est continue en x0 , elle est lipschitzienne au visinage de ce point. Ceci
implique facilement que f + (x; v) ≤ R kvk, de sorte que si φ appartient au sous-
diérentiel de ∂f (x0 ) on a φ(v) ≤ f + (x, v) ≤ R kvk. Par dénition de la norme
duale, on a donc kvk∗ ≤ R.
(iii) Il est facile de voir que pour tout φ ∈ ∂f (x0 ) on a f + (x0 ; ·) ≥ φ, d'où l'inégalité

f + (x0 ; v) ≥ g(v) := sup{hφ|vi | φ ∈ ∂f (x0 )}.

Soit v un élément de E . On peut dénir une forme linéaire φ sur la droite Rv par
φ(v) = tf + (x0 ; v). Par la version fonctionnelle du théorème de Hahn-Banach, φ peut
être étendue en une forme linéaire sur l'espace entier telle que φ ≤ f + (x0 ; ·), de sorte
que φ ∈ ∂f (x0 ). Ainsi, par dénition de g on a f + (x0 ; v) = hφ|vi ≤ g(v).
(iv) Si f est Gâteaux-diérentiable, alors φ0 = f + (x0 ; ·) est linéaire, et la proposition
précédente implique que ∂f (x0 ) = {φ0 }. Si ∂f (x0 ) est un singleton, alors par le point
(iii), f + (x0 ; ·) est linéaire continue, et f est donc Gâteaux-diérentiable en x0 .

3.3.1 Sous-diérentiel et transformée de Legendre-Fenchel

Proposition 65. Soit f : E → R une fonction convexe et x0 ∈ E . Les conditions

suivantes sont équivalentes :
(i) φ ∈ ∂f (x) ;
(ii) f (x0 ) + f ∗ (φ) = hφ|x0 i
Démonstration. On commence par remarquer qu'une forme linéaire continue φ ap-
partient à ∂f (x0 ) si et seulement si

∀y ∈ E, f (y) ≥ f (x0 ) + hφ|y − x0 i ⇐⇒ ∀y ∈ E, hφ|yi − f (y) ≤ hφ|x0 i − f (x0 )

⇐⇒ f ∗ (φ) = suphφ|yi − f (y) ≤ hφ|x0 i − f (x0 )
y∈Y
∗
⇐⇒ f (φ) + f (x0 ) ≤ hφ|x0 i

Avec l'inégalité de Fenchel-Young, on sait que l'inégalité f ∗ (φ) + f (x0 ) ≥ hφ|x0 i est
toujours vraie. Ceci montre l'équivalence entre (i) et (ii).
CHAPITRE 3. DUALITÉ 42

Théorème 66. Soit f : E → R une fonction convexe semi-continue inférieure-

ment. Alors, pour tout x ∈ E et tout φ ∈ E ∗ , on a
φ ∈ ∂f (x) ⇐⇒ x ∈ ∂f ∗ (φ).

Démonstration. Comme f est convexe et semi-continue inférieurement, on sait que

f ∗∗ = f . Ainsi on a

φ ∈ ∂f (x) ⇐⇒ f (x) + f ∗ (φ) = hφ|xi

⇐⇒ f ∗∗ (x) + f ∗ (φ) = hφ|xi
⇐⇒ φ ∈ ∂f ∗ (x),

où l'on a appliqué le critère de la proposition précédente à la fonction f ∗ .

Corollaire 67. Soit f : E → R une fonction convexe propre semi-continue inférieu-

rement. Alors, (i) implique (ii) où
(i) f = f ∗∗ est strictement convexe sur son domaine ;
(ii) pour tout φ ∈ dom(f ∗ ), Card(∂f ∗ (φ)) ≤ 1.
Démonstration. Supposons f strictement convexe sur son domaine et montrons (ii).
Par l'absurde, supposons qu'il existe φ ∈ dom(f ∗ ) et x0 6= x1 tels que x0 , x1 ∈ ∂f ∗ (φ).
Alors, par convexité du sous-diérentiel, le segment xt = (1 − t)x0 + tx1 appartient
à ∂f ∗ (φ), et donc

∀t ∈ [0, 1], f ∗ (φ) = hφ|xt i − f (xt ) = hφ|x0 i − f (x0 ) = hφ|x1 i − f (x1 )

Ainsi, f est linéaire sur le segment, ce qui contredit sa stricte convexité.